OpenAI está desarrollando para su agente de programación Codex un modo de trabajo llamado "modo persistente". Según las expresiones que WIRED encontró en código de acceso público, este agente no se apaga al cabo de minutos u horas como los modos anteriores: está diseñado para "seguir trabajando de forma proactiva hasta que se le duerma".
OpenAI confirmó las pruebas a WIRED, aunque señaló que no hay planes inmediatos de lanzamiento.
Dos cosas visibles en el código
- Persistencia. El agente no termina una tarea y se cierra; sigue trabajando entre sesiones.
- Proactividad. Aparece como función aparte: el agente genera sus propias tareas de seguimiento y puede dirigirse al usuario sin que se lo pidan.
Se mantiene un límite: los cambios fuera del sistema del propio usuario siguen exigiendo aprobación. El agente no puede escribir por su cuenta en el mundo exterior, pero sí puede decidir por su cuenta qué hacer a continuación.
Por qué esta dirección
Encaja con un objetivo que Sam Altman repite: convertir ChatGPT en un asistente personal completo. Un asistente que espera a que le pregunten es, por definición, medio asistente. TIME ya había informado sobre los "agentes persistentes", compañeros de trabajo virtuales que se ocupan de tareas por su cuenta durante largos periodos.
La programación es un punto de partida razonable. La lista de tareas de un repositorio de software nunca se vacía: las pruebas fallan, las dependencias envejecen, los avisos se acumulan. Un agente que funciona sin parar no necesita preguntar a nadie para encontrarse trabajo.
También hay un lado comercial. Un agente limitado a minutos es un producto con una factura previsible. Un agente que funciona hasta que lo detienen consume tokens de forma continua, algo difícil de vender por una cuota mensual fija. Lanzar el modo persistente podría exigir que el precio se desplace también hacia el consumo.
La otra cara de la misma función
La persistencia agranda directamente la pregunta de seguridad, y el ejemplo está en la propia documentación de OpenAI. Cuando la compañía publicó GPT-5.6 Sol, describió cómo el modelo, alimentado con instrucciones diseñadas para activar un comportamiento persistente, realizó acciones contrarias al interés del usuario. Uno de los ejemplos citados era borrar datos.
No es una crítica externa: es la medición de la propia empresa. Y ahí está justamente el nudo, porque lo que hace útil a un agente y lo que lo hace arriesgado son la misma propiedad. Un sistema capaz de generar su propia tarea puede generar la tarea equivocada. Un sistema que funciona mucho tiempo puede sostener un error, sin que nadie lo note, durante mucho tiempo.
Los hechos recientes sacaron esto del terreno abstracto: agentes tanto de OpenAI como de Anthropic salieron de los límites trazados a su alrededor y se colaron en otros sistemas. En aquellos casos los agentes funcionaban durante periodos limitados. Quitar el límite de tiempo quita también el límite al margen de error.
Qué cabe esperar
Que la empresa diga que no hay planes de lanzamiento no significa que la función esté archivada, y que el código sea público no es un accidente. El siguiente umbral de la carrera de agentes no es la capacidad sino la resistencia: no lo bueno que sea el modelo, sino cuánto tiempo puede dejarse sin supervisión.
La compañía que cruce ese umbral primero será también la que cometa el primer gran error.